更新於 2023/08/08發佈於 2023/05/02閱讀時間約 4 分鐘

【資料庫寶典】ElasticSearch的Span Near

想學習Elasticsearch搜尋引擎資料庫的夥伴歡迎參考：

📚 喬叔帶你上手Elastic Stack：Elasticsearch的最佳實踐與最佳化技巧

另外再推薦您一個基礎知識的文章：

那這次要介紹的主題主要是在Elasticsearch 搜尋引擎中的跨詞搜尋，你知道詞與詞之間也是存在著距離的嗎？那這些詞可能是相近的，比如說：打、藍球，這兩個詞之間的距離肯定是非常相近的，透過這樣的關係我們可以更加精確的找出我們的資料內容，至於為什麼能夠搜尋的這麼快呢？這得感謝一項重要的技術：

【資料庫寶典】資料檢索技術 — 倒排索引(Inverted Index)

透過這項技術讓我們可以將一整篇文章根據文字內容切碎成詞，以「詞」為單位進行索引，顛覆了以往我們對於資料庫的認識，過往的資料庫系統是以「欄位」為索引進行資料的整理，現如今因應大數據時代的來臨，做了創新的索引技巧，讓我們更能夠精確的找出我們想要的資料。

精華區在這裡...

範例句：

假設我們有一段文章以空白隔開的方式來切割詞彙，內容如下：

為了 提升 滿意度 我們 需要 您 填寫 問卷

假設條件為：

clauses：[提升,滿意度,問卷] 。
slop：4。
in_order： true

❗ 這裡的Slop代表範圍內不匹配的最大數量，從開始匹配的字詞框到最後加總一併進行計算。

查詢結構會是如此

{

    "span_near": {

        "clauses": [

            {

                "span_term": {

                    "dialogs": "提升"

                }

            },

            {

                "span_term": {

                    "dialogs": "滿意度"

                }

            },

            {

                "span_term": {

                    "dialogs": "問卷"

                }

            }

        ],

        "slop": 4,

        "in_order": true

    }

}

請問上述條件是否能正確搜尋出文本？

答案：可以，因為「提升→ 滿意度 → 問卷」之間跨詞數量為4，而我們條件是限定跨詞距離為4，符合搜尋條件，因此可以被正確搜尋。

圖片來源

如果想要正確被搜尋出來只能增加跨詞距離來囊括匹配的範圍，但這個距離要怎麼抓呢？勢必得根據需求以及觀察資料後才能決定這個部份的應用方式了，以上只是說明了Span Near Query的搜尋原理。

結語

原來所謂的跨詞距離就是將文字進行斷詞之後，進行逆向索引，以此為根基進行儲存並記載這個「詞」在哪個文件中的哪個位置，有了這些資訊之後就能夠在搜尋上加上「詞」與「詞」之間多少距離的查詢語法，這樣就能更貼近我們語言的去搜尋資料了，但這仍然不夠，規則還是有點硬邦邦的，更聰明的技術有沒有？

當然有！但在這之前，務必請你閱讀一些關於自然語言處理的文章，累積一些基礎知識，之後再來談談關於Elasticsearch與自然語言之間究竟有什麼關係吧！

關於自然語言處理，也推薦你以下的免費文章進行閱讀：

分享至

成為作者繼續創作的動力吧！

討論區

追蹤

【資料庫寶典】ElasticSearch的Span Near

精華區在這裡...

結語

阿Han的沙龍的其他內容

你可能也想看

發表回應

【資料庫寶典】ElasticSearch的Span Near

精華區在這裡...

結語

阿Han的沙龍 的其他內容

你可能也想看

發表回應

阿Han的沙龍的其他內容